Thèse en informatique, Intelligence artificielle et Humain
TITRE COURT
Modélisation et raisonnement sous incertitude pour une base d’informations individuelles
TITRE
Modélisation et raisonnement avec des connaissances probabilistes pour un système de gestion d’informations individuelles intégrant l’incertitude liée au vieillissement des informations et dédié à la prévention des chutes des personnes âgées.
MOTS CLES
Intelligence artificielle, modèle de connaissance et incertitude, modèle graphique probabiliste, réseau bayésien, vieillissement des informations, observation incomplète, base d’information personnelle, prévention des chutes.
RESUME
L’objectif est le développement d’un système pour la gestion d’une base intelligente d’informations individuelles via une application interactive. Ce système devra pouvoir fournir des informations sur la personne âgée à la demande d’un autre système ou d’un médecin spécialiste dans le but de lui permettre de générer des recommandations adapter pour réduire ses risques de chutes.
Le système de gestion d’une base intelligente d’informations individuelles sera développé pour des médecins traitants[1]. Le système doit collecter et gérer un ensemble d’informations sur une personne âgée. Du fait qu’il n’est possible de collecter qu’un nombre assez limité d’informations au cours d’un rendez-vous chez le médecin traitant, et parce que les informations collectées dans le passées peuvent avoir changées, la base d’informations sur la personne est à la fois incomplète et incertaine. La problématique de cette thèse est nouvelle dans le domaine de l’intelligence artificielle : comment gérer l’incertitude liée au vieillissement des informations et comment la combiner avec l’incertitude liée aux observations incomplète dans un modèle probabiliste de connaissances.
Voici les résultats attendus pour cette thèse :
· Construction d’un réseau bayésien en tant que modèle de connaissance de la personne âgée. Ce modèle sera construit en combinant la connaissance des experts et l’apprentissage (éventuellement actif) à partir de données sur les patients du service de consultation sur la chute de l’hôpital de Lille. La sélection des variables et la définition de la structure du graphe causal sera faite en lien avec les médecins spécialistes du CHU de Lille et des spécialistes en gérontologie sociale de l’UMONS. L’ontologie des facteurs de risqué de chutes précédemment développée dans l’équipe sera aussi utilisée.
· Etude de la dynamique des informations sur la personne âgée en vue de proposer un modèle de cette connaissance pour exploiter cette connaissance dans le système, combinée avec modèle probabiliste de connaissances de la personne âgée. L’étudiant devra proposer des algorithmes basés sur ces modèles pour évaluer la confiance (ou la fiabilité) des éléments présents dans la base d’informations individuelles. En particulier, l’arrivée d’une nouvelle information, considérée comme certain, peut conduire à revoir la confiance dans des informations plus anciennes sur la base des modèles de connaissance et du raisonnement. Les modèles proposés et les algorithmes seront implémentés et testés pour évaluer la capacité du système à détecter des informations obsolètes et la qualité des évaluations des facteurs de risques de chute.
· Une interface utilisateur basique sera propose pour le système de gestion de la base d’informations individuelle de façon à mener un ensemble des tests avec des médecins traitants, et en utilisant un cycle de développement itératif et incrémental. Cette étape sera faite avec des utilisateurs finaux pour évaluer la capacité du système à fournir des informations fiables sur la personne à la demande d’un médecin. L’évaluation concerne à la fois la qualité des informations fournies et la qualité du système en termes d’acceptabilité et d’utilisabilité du système par les utilisateurs.
·
|
mer. 5 juin 10:45
|
 |
||
|
||||
· Un autre objectif est de fournir un algorithme pour guider la collecte de données par le médecin traitant, en prenant en compte un nombre très limité de questions et des différents objectifs : le augmenter le degré de confiance des informations de la base, et la qualité des informations en terme de prévention des chutes. Cette partie pourrait aussi prendre en compte certaines caractéristiques du médecin traitant et de l’environnement, si ces éléments sont identifiés[2].
L’ensemble du travail sera mené avec le souci d’intégrer les besoins des personnes âgées et des médecins traitants utilisateurs du système, en vue de fournir aux utilisateurs un outil adapté durable et facile à utiliser. Dans ce but, la thèse sera encadrée par des spécialistes en intelligence artificielle, ainsi que par une psychologue spécialiste en gérontologie sociale et en collaboration avec les centres hospitaliers de Lille etValenciennes.
Outil de développement des réseaux bayésian: PyAgrum[3]
ENCADRANTS
– Véronique Delcroix ET Sylvain Piechowiak (LAMIH, département informatique, UPHF),
– Xavier Siebert (Département de mathématiques et recherche opérationnelle, UMONS)
– Marie Claire Haelewyck (FPSE, orthopédagogie clinique, UMONS)
UNIVERSITE et LABORATOIRE
La thèse se déroule sur deux sites, distants d’environ 30 kms : l’UPHF, Université Polytechnique Hauts-de-France et l’ UMONS, Université de Mons.
L’étudiant sera membre du LAMIH UMR CNRS 8201, à l’UPHF, et du département de mathématiques etrecherche opérationnelle à l’UMONS. Il travaillera aussi avec l’équipe d’orthopédagogie clinique de la Faculté de Psychologie et Sciences de l’Education (FPSE) à l’UMONS.
Le LAMIH UMR CNRS 8201 (Laboratoire d’Automatique de Mécanique et d’Informatique industrielle etHumaines) est une unité mixte de recherche de l’Université Polytechnique Hauts-de-France (UPHF) et du CNRS.
Le département de mathématiques et recherche opérationnelle est une équipe de recherche de la faculté polytechnique de l’université de Mons (UMONS), en Belgique.
Sites web :
https://sites.google.com/site/
Addresse :
LAMIH, UPHF, Le mont Houy, F-59 300 Valenciennes, France
UMONS, 9, rue de Houdain, 7000 Mons, Belgium
CONTACT
Téléphone :
Veronique Delcroix : +33 (0)3 27 51 14 65
Xavier SIEBERT : +32 (0)65 37 46 90
Marie-Claire HAELEWYCK : +32 (0)65 37 31 85
Sylvain Piechowiak : +33 (0)3 27 51 14 38
Email: Veronique.Delcroix@uphf.fr, Sylvain.Piechowiak@uphf.fr, Xavier.SIEBERT@umons.ac.be, Marie-Claire.HAELEWYCK@umons.
Début de la thèse
Date on 01-09-2019
CANDIDATURE
Le candidat doit avoir un master ou un diplôme d’ingénieur en informatique ou intelligence artificielle. De solides compétences en programmations sont requises. Des compétences en statistiques, probabilités, apprentissage, et/ou analyse de données sont un plus.
Avant le 15 juin 2019 : envoyer par mel à Veronique.delcroix@uphf.fr :
– votre lettre de motivation,
– CV,
– relevés de notes des 3 dernières années,
– vos publications et rapport de stage
– lettre de recommandation.
CONTRAT ET FINANCEMENT
Il s’agit d’une thèse en cotutelle entre l’UPHF en France et l’UMONS en Belgique.
BIBLIOGRAPHIE
Réseaux bayésien
F. V. Jensen and T. D. Nielsen, Bayesian Networks and Decision Graphs. Springer Publishing Company, Incorporated, 2nd ed., 2007.
D. Koller and N. Friedman, Probabilistic Graphical Models – Principles and Techniques. MIT Press, 2009.
A. Darwiche, Modeling and Reasoning with Bayesian Networks. New York, NY, USA: Cambridge University Press, 1st ed., 2009.
Ben mrad A., Delcroix V., Piechowiak S., Leicester P., Abid M. (2015). A Unified Presentation of Uncertain Evidence in Bayesian Networks: Likelihood Evidence and Probabilistic Evidence. Applied Intelligence, 43 (4), pp. 802-824.
Revision des connaissances
P. Gärdenfors, Knowledge in Flux: Modeling the Dynamics of Epistemic States (MIT Press, Cambridge, 1988)
Didier Dubois, Serafin Moral, Henri Prade. Belief change rules in ordinal and numerical uncertainty theories. In : Belief Change, (D. Dubois, H. Prade, eds.), Vol. 3 of the Handbook of Defeasible Reasoning and Uncertainty Management Systems (D.M. Gabbay, Ph. Smets, series eds.), Kluwer, Dordrecht, p. 311-392, 1998
J. Gebhardt, C. Borgelt, R. Kruse, H. Detmer, Knowledge Revision in Markov Networks. Mathware & Soft Computing, vol. 11(2–3), 93–107, (2004).
Rudolf Kruse, Christian Borgelt, Christian Braune, Sanaz Mostaghim and Matthias Steinbrecher, Computational Intelligence – A Methodological Introduction, Second Edition. Texts in Computer Science, Springer, 2016.
[1] Dans un projet futur, ce système pourrait être utilisé par un large panel d’utilisateurs comme les personnes âgées, les équipes médicales et les autres personnes en lien avec les personnes âgées.
[2] par exemple, lorsque le rendez-vous se déroule chez le patient, les questions relatives à l’environnement sont plus pertinentes que lorsque le rendez vous se déroule dans le cabinet du médecin.